获取消息

该接口用于获取指定会话的用户与助手历史对话记录，可按数量限制返回结果。如本章示例所示，您可以将返回的最近消息作为大模型生成回答的参考，以保持对话的连贯性和上下文理解；同时，也可在用户刷新或重新打开应用时恢复聊天上下文，确保用户体验连续一致，并为个性化交互提供支持。

POST
/
get
/
message
import os
import requests
import json

# 替换成你的 API Key
os.environ["MEMOS_API_KEY"] = "YOUR_API_KEY"
os.environ["MEMOS_BASE_URL"] = "https://memos.memtensor.cn/api/openmem/v1"

data = {
  "user_id": "memos_user_123",
  "conversation_id": "0610"
}
headers = {
  "Content-Type": "application/json",
  "Authorization": f"Token {os.environ['MEMOS_API_KEY']}"
}
url = f"{os.environ['MEMOS_BASE_URL']}/get/message"

res = requests.post(url=url, headers=headers, data=json.dumps(data))

print(f"result: {res.json()}")

{
  "code": 0,
  "data": {
    "message_detail_list": [
      {
        "role": "user",
        "content": "<string>",
        "create_time": "<string>",
        "update_time": "<string>"
      }
    ]
  },
  "message": "<string>"
}

Authorizations

Authorization
string
header
required

Token API_key，可在 API 控制台>接口密钥 中查看

请求体

application/json
user_id
string
required

与获取消息关联的用户的唯一标识符。

conversation_id
string
required

与获取消息关联的会话的唯一标识符。

message_limit_number
number
default: 6

限定返回的消息条数，用于控制消息列表的长度，不传时使用系统默认值6，最大值为50

响应体

application/json

Successful Response

code
number
required

接口状态码，更多内容可查阅错误码列表了解详情。

Example: 0
data
object
展示属性
message
string
required

接口提示信息。

使用示例

补充模型提示词

如果你认为在大模型回复时需要参考用户最近的对话内容，可以调用 MemOS 获取会话的历史消息，将返回的最近若干条消息拼接进提示词。这样可以在模型无状态的情况下，保持对话的连续性和上下文理解。

如下示例所示，如果你已经参考 添加消息 > 导入历史对话，添加过用户memos_user_345 的历史对话消息，你可以一键复制该示例获取该会话的历史消息。

import os
import json
import requests

os.environ["MEMOS_API_KEY"] = "YOUR_API_KEY"
os.environ["MEMOS_BASE_URL"] = "https://memos.memtensor.cn/api/openmem/v1"

# headers 和 base URL
headers = {
  "Authorization": f"Token {os.environ['MEMOS_API_KEY']}",
  "Content-Type": "application/json"
}
BASE_URL = os.environ["MEMOS_BASE_URL"]

def get_message(user_id: str, conversation_id: str, limit: int):
    data = {
        "user_id": user_id,
        "conversation_id": conversation_id,
        "message_limit_number": limit
    }

    res = requests.post(f"{BASE_URL}/get/message", headers=headers, data=json.dumps(data))
    result = res.json()

    if result.get("code") == 0:
        return result.get("data", {}).get("message_detail_list", [])
    else:
        print(f"❌ 获取消息失败: {result.get('message')}")
        return []

# ---------------------------
# 获取历史消息
model_context = get_message("memos_user_345", "memos_conversation_345", 4)

# 去掉 chat_time，直接生成大模型可用格式，并打印
model_context_simple = [{"role": m["role"], "content": m["content"]} for m in model_context]
print(json.dumps(model_context_simple, ensure_ascii=False, indent=2))

# ---------------------------
# 示例输出：
# [
#   {"role": "user", "content": "我喜欢吃辣的食物"},
#   {"role": "assistant", "content": "明白啦，我记住了，你喜欢辣味的食物。"}
#   {"role": "user", "content": "但我又不太喜欢重油的，比如麻辣火锅、毛血旺之类的"},
#   {"role": "assistant", "content": "你更偏好清爽又带辣味的菜。我可以帮你推荐一些适合你的辣味美食哦~ "}
# ]

恢复聊天上下文

如果你正在初步搭建 AI 应用，暂时还没有设计本地或数据库存储用户聊天记录，可以在用户刷新页面或重新打开应用时，调用 MemOS 接口获取该用户最近一次活跃会话的历史消息，并恢复到对话窗口中。

如下示例所示，如果你已经参考 添加消息 > 导入历史对话，添加过用户memos_user_345 的历史对话消息，你可以一键复制该示例获取该会话的历史消息，并输出为你需要的聊天对话页面结构。

import os
import json
import requests

os.environ["MEMOS_API_KEY"] = "YOUR_API_KEY"
os.environ["MEMOS_BASE_URL"] = "https://memos.memtensor.cn/api/openmem/v1"

# headers 和 base URL
headers = {
  "Authorization": f"Token {os.environ['MEMOS_API_KEY']}",
  "Content-Type": "application/json"
}
BASE_URL = os.environ["MEMOS_BASE_URL"]

def get_messages(user_id: str, conversation_id: str):
    data = {
        "user_id": user_id,
        "conversation_id": conversation_id,
    }

    res = requests.post(f"{BASE_URL}/get/message", headers=headers, data=json.dumps(data))
    result = res.json()

    if result.get("code") == 0:
        return result.get("data", {}).get("message_detail_list", [])
    else:
        print(f"❌ 获取消息失败: {result.get('message')}")
        return []

# 假设：用户打开 app 时
user_id = "memos_user_345"
conversation_id = "memos_conversation_345"

messages = get_messages(user_id, conversation_id)

# 打印角色、内容和时间
for m in messages:
    print(f"[{m['role']}] {m['content']} (time={m.get('chat_time', '未知')})")


# 📌 示例输出：
# [user] 我喜欢吃辣的食物 (time=2025-09-12 08:00:00)
# [assistant] 明白啦，我记住了，你喜欢辣味的食物。 (time=2025-09-12 08:01:00)
# [user] 但我又不太喜欢重油的，比如麻辣火锅、毛血旺之类的 (time=2025-09-25 12:00:00)
# [assistant] 你更偏好清爽又带辣味的菜。我可以帮你推荐一些适合你的辣味美食哦~ (time=2025-09-25 12:01:00)

添加消息

该接口用于向指定会话添加一条或多条消息。如本章的使用示例所示，您既可以在用户与助手的对话进行时实时写入，也可批量导入已有的历史记录，或补充用户的偏好和行为信息。所有添加的消息内容都会被 MemOS 转化为记忆，用于后续对话的召回与参考，从而支持对话历史管理、用户行为记录以及个性化交互。

查询记忆

该接口用于查询指定用户的记忆，返回与输入查询内容最相关的记忆片段。您可以调用这些记忆片段作为参考，供大模型生成回答时使用。如本章示例所示，您可以在用户与 AI 对话过程中实时检索用户记忆，也可以对用户整体记忆进行全局检索，用于生成用户画像或支持个性化推荐，从而提升对话的连贯性与用户的个性化体验。<br><br>在最近的更新中，召回的记忆片段除了原有的“事实记忆”，新增了对“偏好记忆”的支持，使模型回答时“更懂用户”。